CN102694962A - 降噪方法及装置 - Google Patents

Abstract

本发明提供了一种降噪方法及装置，该方法包括：接收到YUV数据；划分YUV数据为Y分量数据、U分量数据和V分量数据；分别对Y分量数据、U分量数据和V分量数据进行降噪；对降噪后的Y分量数据、降噪后的U分量数据和降噪后的V分量数据进行合成。本发明可以有效降低视频图像的噪声，并降低电路规模。

Description

降噪方法及装置

技术领域

本发明涉及通信领域，具体而言，涉及一种降噪方法及装置。

背景技术

在视频应用的过程中，视频图像的采集会因为硬件器件和电路等因素引入一定的噪声，一方面这就使得图像的主观效果产生下降，尤其是在低照度下的视频图像噪声非常明显；另一方面，由于噪声的存在，使得编码器在编码过程中码流的控制增加一定的难度，由于为了满足足够低的带宽、低码字会相应增加量化步长，就会导致一定的块效应。

视频图像的降噪处理的目标是使上述现象得到一定的改善。

相关技术中的降噪方法很复杂，需要进行大量的计算，电路规模很大。

发明内容

针对相关技术中的降噪方法复杂，电路规模很大的问题而提出本发明，为此，本发明的主要目的在于提供一种降噪方法及装置，以解决上述问题。

为了实现上述目的，根据本发明的一个方面，提供了一种降噪方法。

根据本发明的降噪方法包括：接收到亮度色度(YUV)数据；划分YUV数据为Y分量数据、U分量数据和V分量数据；分别对Y分量数据、U分量数据和V分量数据进行降噪；对降噪后的Y分量数据、降噪后的U分量数据和降噪后的V分量数据进行合成。

进一步地，对Y分量数据进行降噪包括：对Y分量数据进行横向滤波；对Y分量数据进行纵向滤波。

进一步地，按照公式(1)，对Y分量数据进行横向滤波：

$x_{i,j}^{\′}=\frac{1}{a_1+a_2+a_3+a_4+a_5}\×(a_1{x}_{i-2,j}+a_2{x}_{i-1,j}+a_3{x}_{i,j}+a_4{x}_{i+1,j}+a_5{x}_{i+2,j})\·\·\·\·\·\·\left(1\right)$

其中，x_i，j是滤波前的象素点值，x′_i，j是滤波后的象素点值，a是预先设定的横向滤波系数。

进一步地，对Y分量数据进行横向滤波还包括：对Y分量数据的最前2列和Y分量数据的最后2列直接输出。

进一步地，按照公式(2)，对Y分量数据进行纵向滤波：

$y_{i,j}^{\′}=\frac{1}{b_1+b_2+b_3+b_4+b_5}(b_1{y}_{i,j-2}+b_2{y}_{i,j-1}+b_3{y}_{i,j}+b_4{y}_{i,j+1}+b_5{x}_{i,j+2})\·\·\·\·\·\·\left(2\right)$

其中，y_i，j是滤波前的象素点值，y′_i，j是滤波后的象素点值，b是预先设定的横向滤波系数。

进一步地，对Y分量数据进行纵向滤波还包括：对Y分量数据的最前2行和Y分量数据的最后2行直接输出。

进一步地，对Y分量数据进行降噪还包括：缓存横向滤波后的Y分量数据。

为了实现上述目的，根据本发明的另一个方面，提供了一种降噪装置。

根据本发明的降噪装置包括：接收模块，用于接收YUV数据；划分模块，用于划分YUV数据为Y分量数据、U分量数据和V分量数据；降噪模块，用于分别对Y分量数据、U分量数据和V分量数据进行降噪；合成模块，用于对降噪后的Y分量数据、降噪后的U分量数据和降噪后的V分量数据进行合成。

进一步地，降噪模块包括：第一降噪子模块，用于对Y分量数据进行横向滤波；第二降噪子模块，用于对Y分量数据进行纵向滤波。

进一步地，第一降噪子模块按照公式(1)对Y分量数据进行横向滤波：

$x_{i,j}^{\′}=\frac{1}{a_1+a_2+a_3+a_4+a_5}\×(a_1{x}_{i-2,j}+a_2{x}_{i-1,j}+a_3{x}_{i,j}+a_4{x}_{i+1,j}+a_5{x}_{i+2,j})\·\·\·\·\·\·\left(1\right)$

其中，x_i，j是滤波前的象素点值，x′_i，j是滤波后的象素点值，a是预先设定的横向滤波系数。

进一步地，第二降噪子模块按照公式(2)对Y分量数据进行纵向滤波：

$y_{i,j}^{\′}=\frac{1}{b_1+b_2+b_3+b_4+b_5}(b_1{y}_{i,j-2}+b_2{y}_{i,j-1}+b_3{y}_{i,j}+b_4{y}_{i,j+1}+b_5{x}_{i,j+2})\·\·\·\·\·\·\left(2\right)$

其中，y_i，j是滤波前的象素点值，y′_i，j是滤波后的象素点值，b是预先设定的横向滤波系数。

本发明通过一种简单有效的降噪方法，可以有效降低视频图像的噪声，并降低电路规模。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的降噪方法的流程图；

图2是根据本发明实施例的降噪装置的结构框图；

图3是根据本发明优选实施例的降噪装置的结构框图；

图4是根据本发明优选实施例的降噪处理器的结构框图；

图5是根据本发明优选实施例的基于图3的降噪装置的降噪方法的流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

本发明提供了一种降噪方法。图1是根据本发明实施例的降噪方法的流程图，如图1所示，包括如下的步骤S102至步骤S108。

步骤S102，接收到亮度色度(YUV)数据。

步骤S104，划分YUV数据为Y分量数据、U分量数据和V分量数据。

步骤S106，分别对Y分量数据、U分量数据和V分量数据进行降噪。

步骤S108，对降噪后的Y分量数据、降噪后的U分量数据和降噪后的V分量数据进行合成。

相关技术中的降噪方法复杂，电路规模很大。本发明实施例中，通过一种简单有效的降噪方法，可以有效降低视频图像的噪声，并降低电路规模。

优选地，对Y分量数据进行降噪包括：对Y分量数据进行横向滤波；对Y分量数据进行纵向滤波。

优选地，按照公式(1)，对Y分量数据进行横向滤波：

$x_{i,j}^{\′}=\frac{1}{a_1+a_2+a_3+a_4+a_5}\×(a_1{x}_{i-2,j}+a_2{x}_{i-1,j}+a_3{x}_{i,j}+a_4{x}_{i+1,j}+a_5{x}_{i+2,j})\·\·\·\·\·\·\left(1\right)$

其中，x_i，j是滤波前的象素点值，x′_i，j是滤波后的象素点值，a是预先设定的横向滤波系数。

需要说明的是，本公式采用的是5Tap FIR算法；a是可调的经验值，可以通过CPU接口进行配置。

需要说明的是，本公式中的通过5个像素点对Y分量数据进行横向滤波的实施方式仅仅是一种优选的实施方式，但是并不限于此一种，通过其它多个像素点(例如3至7个像素点)对Y分量数据进行横向滤波的实施方式均应纳入本发明的保护范围。

优选地，对Y分量数据进行横向滤波还包括：对Y分量数据的最前2列和Y分量数据的最后2列直接输出。

优选地，按照公式(2)，对Y分量数据进行纵向滤波：

$y_{i,j}^{\′}=\frac{1}{b_1+b_2+b_3+b_4+b_5}(b_1{y}_{i,j-2}+b_2{y}_{i,j-1}+b_3{y}_{i,j}+b_4{y}_{i,j+1}+b_5{x}_{i,j+2})\·\·\·\·\·\·\left(2\right)$

其中，y_i，j是滤波前的象素点值，y′_i，j是滤波后的象素点值，b是预先设定的横向滤波系数。

需要说明的是，本公式采用的是5Tap FIR算法；b是可调的经验值，可以通过CPU接口进行配置。

需要说明的是，本公式中的通过5个像素点对Y分量数据进行纵向滤波的实施方式仅仅是一种优选的实施方式，但是并不限于此一种，通过其它多个像素点(例如3至7个像素点)对Y分量数据进行纵向滤波的实施方式均应纳入本发明的保护范围。

优选地，对Y分量数据进行纵向滤波还包括：对Y分量数据的最前2行和Y分量数据的最后2行直接输出。

优选地，对Y分量数据进行降噪还包括：缓存横向滤波后的Y分量数据。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本发明实施例提供了一种降噪装置，该降噪装置可以用于实现上述降噪方法。图2是根据本发明实施例的降噪装置的结构框图，如图2所示，包括接收模块22，划分模块24，降噪模块26和合成模块28。下面对其进行详细描述。

接收模块22，用于接收YUV数据；划分模块24，连接至接收模块22，用于划分接收模块22接收的YUV数据为Y分量数据、U分量数据和V分量数据；降噪模块26，连接至划分模块24，用于分别对划分模块24划分的Y分量数据、划分模块24划分的U分量数据和划分模块24划分的V分量数据进行降噪；合成模块28，连接至降噪模块26，用于对降噪模块26降噪后的Y分量数据、降噪模块26降噪后的U分量数据和降噪模块26降噪后的V分量数据进行合成。

优选地，降噪模块26包括第一降噪子模块262和第二降噪子模块264。下面对其结构进行详细描述。

第一降噪子模块262，用于对Y分量数据进行横向滤波；第二降噪子模块264，用于对Y分量数据进行纵向滤波。

优选地，第一降噪子模块262按照公式(1)对Y分量数据进行横向滤波：

$x_{i,j}^{\′}=\frac{1}{a_1+a_2+a_3+a_4+a_5}\×(a_1{x}_{i-2,j}+a_2{x}_{i-1,j}+a_3{x}_{i,j}+a_4{x}_{i+1,j}+a_5{x}_{i+2,j})\·\·\·\·\·\·\left(1\right)$

其中，x_i，j是滤波前的象素点值，x′_i，j是滤波后的象素点值，a是预先设定的横向滤波系数。

优选地，第二降噪子模块264按照公式(2)对Y分量数据进行纵向滤波：

$y_{i,j}^{\′}=\frac{1}{b_1+b_2+b_3+b_4+b_5}(b_1{y}_{i,j-2}+b_2{y}_{i,j-1}+b_3{y}_{i,j}+b_4{y}_{i,j+1}+b_5{x}_{i,j+2})\·\·\·\·\·\·\left(2\right)$

其中，y_i，j是滤波前的象素点值，y′_i，j是滤波后的象素点值，b是预先设定的横向滤波系数。

需要说明的是，装置实施例中描述的降噪装置对应于上述的方法实施例，其具体的实现过程在方法实施例中已经进行过详细说明，在此不再赘述。

下面将结合实例对本发明实施例的实现过程进行详细描述。

图3是根据本发明优选实施例的降噪装置的结构框图，如图3所示，包括数据缓存控制器32，YUV仲裁器34和降噪处理器36。下面对其进行详细描述。

需要进行处理的图像数据包括YUV 3个分量的数据，数据缓存控制器32接收到YUV数据后将数据分别进行存储，以方便后续处理。

YUV仲裁器34控制数据缓存控制器32依次输出YUV 3个分量的数据，输入到降噪处理器36中进行处理，降噪处理器36进行降噪处理后输出降噪后的数据。

数据缓存控制器32中包含YUV 3个分量的数据，为了尽量减少电路规模，每个分量只存储必要的数据。

由5Tap FIR算法公式可知，进行滤波算法需要5个相邻的像素，所以至少需要5行数据来进行纵向滤波，为提高速度再加上2-3行的缓冲，总共需要7-8行数据缓冲。

图4是根据本发明优选实施例的降噪处理器的结构框图，如图4所示，包括Y分量降噪处理器42，U分量降噪处理器44，V分量降噪处理器46，以及数据缓存器D。Y分量降噪处理器42对Y分量的数据进行降噪处理，U分量降噪处理器44对U分量的数据进行降噪处理，V分量降噪处理器46对V分量的数据进行降噪处理，数据缓存器D将降噪后的YUV数据缓存后输出。

图5是根据本发明优选实施例的基于图3的降噪装置的降噪方法的流程图，如图5所示，包括如下的步骤S502至步骤S510。

步骤S502，以一帧M×N的图像为例，前5行进行横向滤波。

步骤S504，第3行进行纵向滤波。

步骤S506，第n行进行横向滤波。

步骤S508，第n-2行进行纵向滤波。

步骤S510，判断n是否等于N，如果是，则返回步骤S502，否则返回步骤S506。

本优选实施例中的处理顺序是先进行横向滤波，再进行纵向滤波。

根据公式(1)和公式(2)可以看出，前2行以及最后2行只需要进行横向滤波，前2列以及最后2列只需要进行纵向滤波。

为了节约电路规模，降噪处理器内部只设了一个可存储7-8行数据的缓存。首先是前5行数据进行横向滤波，其中前2行滤波后的数据在存回缓存的同时可以直接输出，第3、4、5行滤波后的数据只需要存回缓存。然后可以进行第3行的纵向滤波，纵向滤波时是对缓存进行列操作，读出横向滤波后的数据，以进行纵向滤波，纵向滤波后的数据可以直接输出，不用再存回缓存。之后，第一行的数据就可以丢弃，并且读入新的一行。之后反复这样处理，到倒数第二行进行纵向滤波之后，所有数据就处理完毕，可以进行下一帧数据处理了。

本发明可以实现视频图像的降噪，通过采用计算好的参数进行计算，大大的减少了实现的难度和计算量，同时大大的降低了电路规模，可以广泛的应用于智能手机，数字视频会议，数字视频监控等领域。

综上所述，根据本发明的上述实施例，提供了一种降噪方法及装置。本发明通过一种简单有效的降噪方法，可以有效降低视频图像的噪声，并降低电路规模。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种降噪方法，其特征在于，包括：

接收到亮度色度YUV数据；

划分所述YUV数据为Y分量数据、U分量数据和V分量数据；

分别对所述Y分量数据、所述U分量数据和所述V分量数据进行降噪；

对降噪后的所述Y分量数据、降噪后的所述U分量数据和降噪后的所述V分量数据进行合成。

2.根据权利要求1所述的方法，其特征在于，对所述Y分量数据进行降噪包括：

对所述Y分量数据进行横向滤波；

对所述Y分量数据进行纵向滤波。

3.根据权利要求2所述的方法，其特征在于，按照公式(1)，对所述Y分量数据进行横向滤波：

$x_{i,j}^{\′}=\frac{1}{a_1+a_2+a_3+a_4+a_5}\×(a_1{x}_{i-2,j}+a_2{x}_{i-1,j}+a_3{x}_{i,j}+a_4{x}_{i+1,j}+a_5{x}_{i+2,j})\·\·\·\·\·\·\left(\text{1}\right)$

其中，x_i，j是滤波前的象素点值，x′_i，j是滤波后的象素点值，a是预先设定的横向滤波系数。

4.根据权利要求3所述的方法，其特征在于，对所述Y分量数据进行横向滤波还包括：对所述Y分量数据的最前2列和所述Y分量数据的最后2列直接输出。

5.根据权利要求2所述的方法，其特征在于，按照公式(2)，对所述Y分量数据进行纵向滤波：

$y_{i,j}^{\′}=\frac{1}{b_1+b_2+b_3+b_4+b_5}(b_1{y}_{i,j-2}+b_2{y}_{i,j-1}+b_3{y}_{i,j}+b_4{y}_{i,j+1}+b_5{x}_{i,j+2})\·\·\·\·\·\·\left(2\right)$

其中，y_i，j是滤波前的象素点值，y′_i，j是滤波后的象素点值，b是预先设定的横向滤波系数。

6.根据权利要求5所述的方法，其特征在于，对所述Y分量数据进行纵向滤波还包括：对所述Y分量数据的最前2行和所述Y分量数据的最后2行直接输出。

7.根据权利要求2至6中任一项所述的方法，其特征在于，对所述Y分量数据进行降噪还包括：缓存横向滤波后的所述Y分量数据。

8.一种降噪装置，其特征在于，包括：

接收模块，用于接收YUV数据；

划分模块，用于划分所述YUV数据为Y分量数据、U分量数据和V分量数据；

降噪模块，用于分别对所述Y分量数据、所述U分量数据和所述V分量数据进行降噪；

合成模块，用于对降噪后的所述Y分量数据、降噪后的所述U分量数据和降噪后的所述V分量数据进行合成。

9.根据权利要求8所述的装置，其特征在于，所述降噪模块包括：

第一降噪子模块，用于对所述Y分量数据进行横向滤波；

第二降噪子模块，用于对所述Y分量数据进行纵向滤波。

10.根据权利要求9所述的装置，其特征在于，所述第一降噪子模块按照公式(1)对所述Y分量数据进行横向滤波：

$x_{i,j}^{\′}=\frac{1}{a_1+a_2+a_3+a_4+a_5}\×(a_1{x}_{i-2,j}+a_2{x}_{i-1,j}+a_3{x}_{i,j}+a_4{x}_{i+1,j}+a_5{x}_{i+2,j})\·\·\·\·\·\·\left(\text{1}\right)$

其中，x_i，j是滤波前的象素点值，x′_i，j是滤波后的象素点值，a是预先设定的横向滤波系数。

11.根据权利要求9所述的装置，其特征在于，所述第二降噪子模块按照公式(2)对所述Y分量数据进行纵向滤波：

$y_{i,j}^{\′}=\frac{1}{b_1+b_2+b_3+b_4+b_5}(b_1{y}_{i,j-2}+b_2{y}_{i,j-1}+b_3{y}_{i,j}+b_4{y}_{i,j+1}+b_5{x}_{i,j+2})\·\·\·\·\·\·\left(2\right)$

其中，y_i，j是滤波前的象素点值，y′_i，j是滤波后的象素点值，b是预先设定的横向滤波系数。

Images